1

我正在使用 OpenCV 示例代码“peopledetect.cpp”来检测行人。该代码使用 HoG 进行特征提取,使用 SVM 进行分类。请在此处找到使用的参考文件。

摄像机安装在墙上,高度为 10 英尺,向下 45 度。框架内的行人移动没有限制。我对真阳性率(正确检测行人)感到满意,但假阳性率非常高。

我观察到的一些错误检测是移动汽车、树木和墙壁等。谁能建议我如何改进现有代码以降低误检率。对博客/代码的任何引用都非常有帮助。

4

1 回答 1

2

您可以在视频流上应用背景减法算法。我在使用BackgroundSubtractorMOG2的类似项目上取得了一些成功。

我使用的另一个技巧是消除所有太小或纵横比错误的“移动像素”。我通过对背景减除输出图像进行斑点/轮廓分析来做到这一点。您需要注意纵横比,以确保支持重叠的行人。

请注意,您正在使用的模型(不确定是哪个模型)可能是在正面行人上训练的,而不是向下 45 度角。这显然会影响您的准确性。

于 2013-06-28T15:24:36.743 回答